基于GPS的公交车辆到达时间预测技术研究

优先发展城市公共交通系统是解决城市交通问题的有效途径。通过公交系统信息化进而建立完善的智能公交系统,可以促进公交管理从简单静态管理到智能动态管理的转变,提高公交系统的运营效率和服务水平。 公交车辆的到站时间作为出行者最为关心的公交信息之一,不仅能减少乘客的候车时间、缓解候等乘客的焦急情绪、方便乘客乘坐或换乘公交车,还能为公交管理部门科学管理、调度公交车辆提供依据。因此,应用先进的信息和通讯手段,研究和开发高性能的公交车辆到达时间预测技术,对实现公交系统信息化和智能化,推动城市公共交通改善管理水平和服务水平具有重要意义。 论文在分析讨论基于历史数据模型、变量衰减模型和基于人工神经网络模型三类典型到达时间预测模型的基础上,针对其在预测精度和实用性上的不足,利用公交车辆车载GPS装置获得的定位数据,结合车辆定位追踪、道路路段交通状态检测以及GIS地图匹配等技术,充分考虑多种交通随机因素的影响,提出了基于分段线性化公交路线和实时道路路段平均速度的公交车到达时间动态预测算法。为了提高车辆的定位追踪精度,算法给出相应的预处理方法以减少公交GPS采集数据的多种测量误差;为了避免传统预测模型中利用历史平均速度预测行驶速度的盲目性,算法提出分时段、分路段进行预测参数选取的方案。 在此基础上,针对现有公交车到达时间预测模型在实际应用中不能辨识车辆的实时行驶状态,无法及时应对突发事件的问题,建立了基于有限状态自动机的智能公交车到达时间预测系统。该系统以提出的预测算法为核心,根据面向对象的设计思想,使用类-对象方式管理所有公交车对象,并将车辆对象的运行分成开始状态、预测状态、终点站状态和未知状态,通过六个关键技术模块实现公交车行驶路线和方向的动态判断、到达时间的实时预测、非正常调头的判断以及状态间的条件转换等。 最后,利用重庆市公交871路线的GPS实时定位数据进行实验,结果表明采用实时道路路段平均速度的到达时间预测算法较之已有典型算法预测精度明显提高,且预测时间的相对误差随距离的增加而减少并逐渐趋向稳定;智能预测系统动态判断行驶路线和方向的精度分别达到98%和100%,并能够自动辨识车辆运行状态、实时预测到达时间、迅速应对突发事件,整个系统具有较高的稳定性和可靠性。